Raúl
Vila

Economista & Data Scientist. Por mas información pueden consultar mi perfil de Linkedin o mi GitHub.
Soy de fuerte orientación hacia el resultado, trabajé en diversas áreas como analista de riesgo y desarrollador de negocio. Me considero un profesional comprometido, responsable y creativo, que sabe trabajar en equipo. Tengo la capacidad para gestionar proyectos complejos con multiplicidad de actores y tiempos ajustados, al mismo tiempo que mantengo la visión del conjunto y establezco prioridades.

2020

Raúl
Vila

Resolver problemas supone saber plantearlos,
de lo contrartio corrés el riesgo de pasarte la vida
resolviendo trivialidades.

2020


Proyecto SecurePlace

Medición del distanciamiento social mediante visión cumputacional y deeep learning. Generamos mediante algoritmos de reconocimiento de video, scores de riesgo basados en el respeto del distanciamiento social, que nos permiten determinar la seguridad sanitaria de un entorno determinado.

2020

Mapas
La Rioja

Este repositorio presenta un código en R que elabora distintos mapas utilizando la libreria llamada ggplot2. Los archivos utilizados fueron de formato .jason y de acceso público en: https://github.com/iderioja.

2020

Machine Learning
Aprendizaje Supervisado

En este código muestro un análisis de causalidad en el precio de la vivienda en función de variables como: tamaño del lote, antiguedad, valor del terreno, entre otras variables.

2020

Machine Learning
Modelo Churn

El modelo Churn hace referencia a: La tasa de cancelación o abandono habitualmente utilizado en el ámbito de clientes (en inglés churn rate o attrition rate) en este ámbito es un término empresarial que hace referencia a la migración, rotación o cancelación de clientes.

2020

Pum it Up
Data Mining

Con los datos provistos por el ministerio del Agua del Estado de Tanzania, busco predecir que bombas de agua están en funcionamiento, cuales precisan reparaciión y cuales no funcionan en lo absoluto.

2020

Machine Learning
Probabilidad de estar casado

La regresiones logísticas sirven para explorar las relaciones entre una variable dependiente binaria (si/no, aprobado/rechazado...) y otras variables (regresores) que pueden o no ser binarias, por ejemplo: edad y nivel de ingreso. En este ejemplo muestro la probabilidad de estar casado o no.